Forord
Denne avhandlingen er skrevet som en avslutning på mastergraden i Økonomi og Administrasjon på Handelshøyskolen ved Universitetet for miljø- og biovitenskap, våren 2013. Den er skrevet som en del av hovedprofilen i Finans. Avhandlingen er en eksplorativ studie som tar for seg sammenhenger mellom fraktrater, olje- og råvarepriser i perioden 1999 til 2012.
Shipping-bransjen er en spennende bransje, og nysgjerrigheten min førte til at jeg høsten 2012 fulgte to fag innen shipping og ble inspirert til å skrive om dette.
Jeg har kun hatt en liten innføring i fraktrater og prissetting i den maritime industrien, men etter anbefalinger ble dette en viktig motivasjonen for oppgaven min. Det har vært et tidkrevende og utfordrende arbeid, men også svært lærerikt.
Jeg vil gjerne takke veilederen min, professor Ole Gjølberg, for gode innspill i arbeidet med oppgaven.
Oslo, 15. august 2013
Therese Bærby
Sammendrag
Formålet med oppgaven er å se på sammenhenger mellom fraktrater, olje- og råvarepriser, herunder se på hvorvidt endringer i olje-, mais- og hveteprisen har påvirket endringer i fraktratene på kort og lang sikt, samt hvilken effekt dette har for fraktratene.
Fraktmarkedet er et internasjonalt og konkurranseutsatt marked, og det er ekstremt viktig å kunne kalkulere og minimere risiko for aktører involvert.
Det har gjennom tidligere studier blitt påvist positiv korrelasjon mellom fraktrater og oljepriser, og dette har vært en viktig hypotese gjennom oppgaven. En annen viktig hypotese er hvorvidt det eksisterer en lignende sammenheng mellom fraktrater på ruter som frakter korn og kornpriser.
Det blir innledningsvis i oppgaven gjennomgått relevant teori om fraktmarkedet og om olje- og råvaremarkedet, med fokus på tilbuds- og etterspørselsfaktorer som påvirker prisene.
Det blir benyttet både ukentlige og månedlige prisserier og fraktrater for å besvare problemstillingen. Den første analysedelen tar for seg de kortsiktige sammenhengene, og det blir studert likheter i utviklingen til fraktrater og råvarepriser, samt korrelasjoner. Siste del i samme kapittel er regresjonsanalyser. Resultatene her viser flere signifikante direkte sammenhenger i de ulike periodene. Det er en tydelig sammenheng med råolje i flere av periodene, både positiv og negativ, avhengig av hvilken periode som undersøkes. I perioden 2010-2012 blir det påvist en direkte negativ sammenheng mellom hvete og en av Panamax-ratene som frakter korn. På bakgrunn av de samme analysen utført på månedlig data blir det påvist sterkest positiv sammenheng mellom råolje og fraktratene.
For å studere langsiktige sammenhenger blir det benyttet ko-integrasjonsanalyse og feilkorrigeringsmodell. Resultatene viser at det eksisterer en ko-integrert langsiktig sammenheng mellom hvete og tre av fraktratene på ruter som frakter korn. Et meget tilfredsstillende resultat. Derimot viser ikke feilkorrigeringsmodellen signifikante resultater, og det antas da at det tar svært lang tid før en ulikevekt justeres tilbake til likevekt.
Abstract
The purpose of this master thesis is to study the relationship between freight rates, oil- and commodity prices, and especially look at how changes in the commodity prices have influenced the changes in freight rates on both long and short term, and how this has affected the freight rates. The freight market is a global and competitive market, and it is extremely important to be able to predict and minimize risk for the parties involved.
Previous studies have shown that there exist positive correlation between freight rates and oil prices, and this has been an important hypothesis through the thesis. Another important hypothesis is whether there exists a similar relationship between freight rates, on routes that carry grain, and grain prices.
Initially there will be presented relevant theory on the freight market, and also the oil- and commodity market, with focus on the supply and demand factors affecting the prices.
Both weekly and monthly prices and freight rates are included in the thesis. The first analysis focuses on the short-term relationship, and the development of the prices and freight rates will be studied for similarities, as well as correlations. The last part of this chapter is regression analysis. The results show several significant relations in the different periods that the analysis has been divided into. Mostly there is a relation with crude oil in several periods, both positive and negative, depending on the periods under examination.
In the period 2010-2012 there is a negative relationship between changes in wheat price and one of the Panamax freight rates, which carries grain. On the basis of the same analysis performed on monthly data there is several significant positive relationships between the crude oil price and the freight rates.
Studying the long-term relationship, there is used a co-integration analysis and an Error Correction Model. The results show that there exists a co-integrated long-term relationship between wheat and three of the freight rates on routes carrying grain, which is a very satisfying result. The ECM-model does not show any significant results, and it is assumed that it takes a very long time before equilibrium is restored.
Innholdsfortegnelse
1. Innledning ... 9
1.1 Oppgavens oppbygging ... 11
2. Foreliggende litteratur om fraktrater og råvarepriser ... 12
3. Kort om fraktmarkedet ... 16
3.1 Tilbud og etterspørsel i fraktmarkedet ... 16
3.2 Kontrakter i fraktmarkedet ... 18
3.3 Skipstyper ... 19
3.4 The Baltic Exchange og fraktrater inkludert i analysen ... 20
4. Kort om råvare- og oljemarkedet ... 22
4.1 Pristeori ... 22
4.2 Råvaremarkedet ... 22
4.3 Oljemarkedet ... 24
5. Beskrivende statistikk om frakt- og råvaremarkedene ... 26
5.1 Fraktrater 1999-2012 (2007-2012) ... 26
5.2 Råvarepriser 1999-2012 ... 37
5.3 Oppsummering ... 40
6. Kortsiktige sammenhenger mellom fraktrater, råolje- og råvarepriser ... 42
6.1 Sammenheng i prisutvikling til fraktrater og råoljeprisen ... 42
6.2 Sammenheng i prisutvikling til fraktrater, mais- og hveteprisen ... 48
6.3 Regresjonsanalyse ... 53
6.3.1 Metode ... 53
6.3.2 Empiriske resultater ... 54
6.4 Oppsummering ... 60
7. Langsiktige sammenhenger mellom fraktrater og råvarer ... 62
7.1 Metode ... 62
7.2 Empiriske resultater ... 64
7.3 Oppsummering ... 66
8. Konklusjoner ... 68
9. Referanser ... 70
10. Appendiks ... 72
10.1 Rullerende korrelasjoner ... 72
10.2 Lead-/lagkorrelasjoner ... 73
10.3 Stasjonæritet ... 75
10.4 Regresjonsresultater ... 77 10.5 Resultater ko-integrasjon ... 80
Figur- og tabelloversikt
Figur 3.1 Sesongvariasjoner Hvetepris ... 18
Figur 3.2 Sesongvariasjoner Dirty Tanker TD9 ... 18
Tabell 3.1 Fraktrater benyttet i oppgaven ... 21
Tabell 5.1 Deskriptiv statistikk fraktrater og indekser, periode 1999-2012 ... 27
Tabell 5.2 Skjevhet og kurtose fraktrater ... 28
Figur 5.1 Historisk utvikling Capesize Indeks ... 29
Figur 5.2 Rullerende standardavvik Capesize Index ... 30
Figur 5.3 Historisk utvikling TD3, TD4 og TD5 ... 31
Figur 5.4 Historisk utvikling TD7, TD7 og TD9 ... 31
Figur 5.5 Rullerende standardavvik TD3, TD4, og TD5 ... 32
Figur 5.6 Rullerende standardavvik TD7, TD8, og TD9 ... 33
Figur 5.7 Historisk utvikling Panamax-ruter ... 33
Figur 5.8 Rullerende standardavvik Panamax-ruter ... 34
Figur 5.9 Historisk utvikling Supramax-ruter ... 35
Figur 5.10 Rullerende standardavvik Supramax-ruter ... 35
Tabell 5.3 Deskriptiv statistikk råvarer, periode 1999-2012 ... 37
Figur 5.11 Prisutvikling Råolje ... 38
Figur 5.12 Rullerende standardavvik Råolje ... 39
Figur 5.13 Prisutvikling Mais og Hvete ... 39
Figur 5.14 Rullerende standardavvik Hvete og Mais. ... 40
Figur 6.1 Utvikling Råoljeprisen sammen med Dirty Tanker Indeksen ... 42
Figur 6.2 Utvikling Råoljeprisen sammen med fraktraten P1A ... 43
Figur 6.3 Utvikling Råoljeprisen sammen med fraktraten S4B. ... 43
Tabell 6.1 Korrelasjoner mellom Råoljepris og fraktrater. Nominelle priser. ... 44
Tabell 6.2 Korrelasjoner mellom Råoljepris og fraktrater. Endringsform. ... 45
Figur 6.4 Rullerende korrelasjon Råolje mot Panamax og Supramax ... 46
Figur 6.5 Rullerende korrelasjon Råolje mot BCI og BDTI. ... 46
Figur 6.6 Utvikling Mais- og Hvetepris sammen med Capesize indeksen ... 48
Figur 6.7 Utvikling Mais- og Hveteprisen sammen med Dirty Tanker indeksen ... 48
Figur 6.8 Utvikling Mais- og Hveteprisen sammen med fraktraten P1A. ... 49
Figur 6.9 Utvikling Mais- og Hveteprisen sammen med fraktraten S4A ... 49
Tabell 6.3 Korrelasjoner mellom fraktrater, hvete og mais. Nominelle priser ... 50
Tabell 6.4 Korrelasjoner mellom fraktratene, mais og hvete. Endringsform ... 50
Figur 6.10 Rullerende korrelasjon Hvetepris mot Panamax og Supramax. ... 51
Figur 6.11 Rullerende korrelasjon Maispris mot Panamax og Supramax. ... 51
Tabell 6.5 Regresjonsresultater i perioden 1999-2012, ukentlig. ... 55
Tabell 6.6 Regresjonsresultater i perioden 1999-2006, ukentlig. ... 56
Tabell 6.7 Regresjonsresultater i perioden 2007-2009, ukentlig ... 57
Tabell 6.8 Regresjonsresultater i perioden 2010-2012, ukentlig. ... 58
Tabell 6.9 Regresjonsresultater i perioden 1999-2012, månedlig. ... 59
Tabell 6.10 Regresjonsresultater i perioden 2007-2012, månedlig. ... 60
Tabell 7.1 Estimering av ko-integrasjon mellom Panamax, Supramax og Hvet... ... 65
Tabell 7.2 Feilkorrigeringsmodell utført på hvete, P1A, S4A og S4B ………...………66
Figur 10.1 Rullerende korrelasjon Hvetepris mot BCI og BDTI ... 72
Figur 10.2 Rullerende korrelasjon Maisprisen mot BCI og BDTI ... 72
Tabell 10.1 Lead-/lagkorrelasjoner mellom fraktrater og råvarer 1999-2006 ... 73
Tabell 10.2 Lead-/lagkorrelasjoner mellom fraktrater og råvarer 2007-2012 ... 74
Tabell 10.3 Test av enhetsrot på nivåform ... 75
Tabell 10.4 Test av enhetsrot på endringsform ... 76
Tabell 10.5 Regresjonsresultater i perioden 1999-2012, ukentlig ... 77
Tabell 10.6 Regresjonsresultater i perioden 1999-2006, ukentlig ... 77
Tabell 10.7 Regresjonsresultater i perioden 2007-2009, ukentlig ... 78
Tabell 10.8 Regresjonsresultater i perioden 2010-2012, ukentlig ... 78
Tabell 10.9 Regresjonsresultater i perioden 1999-2012, månedlig ... 79
Tabell 10.10 Regresjonsresultater i perioden 2007-2012, månedlig ... 79
Tabell 10.11 Ko-integrasjonsanalyse 2007-2012, månedlig ... 80
Tabell 10.12 Ko-integrasjonsanalyse 2007-2012, ukentlig ... 81
Tabell 10.13 Ko-integrasjonsanalyse 1999-2012, månedlig ... 82 Tabell 10.14 Ko-integrasjonsanalyse 1999-2012, ukentlig. ... 82
1. Innledning
Denne oppgaven skal undersøke i hvilken utstrekning det eksisterer sammenhenger mellom fraktrater på den ene siden, og prisen på råolje, mais og hvete på den andre siden, i perioden 1999 til 2012. Valget falt på råolje, hvete og mais på bakgrunn av at det er de mest konsumerte råvarene i verden, samtidig som de utgjør en stor andel av varer som fraktes med skip. Målet er å se hvordan endringer i olje-, mais- og hveteprisen har påvirket endringer i fraktratene på kort og lang sikt.
Dette er en empirisk analyse, og er tenkt å kunne brukes som et hjelpemiddel i arbeidet med å minimere risiko for blant annet rederier, investorer og andre aktører innenfor shipping-industrien. Markedene blir stadig tøffere med en voksende konkurranse og marginer som hele tiden presses til det minimale. 90 % av verdens varefrakt foregår via sjøveien, og for rederier er det veldig viktig å følge med i utviklingen på fraktratene, da en stor del av arbeidet deres går ut på å forutse risiko. Shipping industrien er kjent for å ha svært volatile og høye priser, og kraftige sesongvariasjoner (Kavussanos 2006), og derfor blir dette arbeidet enda viktigere. Risikohåndtering hjelper til å stabilisere inntektene og kan gi konkurransefortrinn (Branch 2007).
Mange antar at dersom oljeprisen stiger vil også fraktratene stige, og grunnen til det er blant annet at olje, i form av bunkers, utgjør en stor del av kostnadene i skipsfart.
Det er gjort flere studier på dette tidligere som underbygger samme påstand. Blant annet er det påvist at en økning i oljeprisen som en følge av økt etterspørsel vil føre til økte tankrater (Solbakken 2011). Klovland (2004) og Poulakidas og Joutz (2009) er også blant flere som har påvist sammenheng mellom fraktrater og ulike råvarepriser.
Store kriser som finanskriser eller naturkatastrofer påvirker verdensøkonomien i stor grad, som igjen har stor sammenheng med fraktrater og blant annet oljepriser. Oljepriser har stor effekt på global etterspørsel, og derfor utgjør utviklingen i oljeprisen en stor usikkerhet i verdensøkonomien.
Stopford (2009) skriver at ”det er viktige aspekter i den fremtidige shipping industrien som ikke er predikerbare. Fremtidige fraktrater er avhengig av hvor mange skip som bestilles og det kan være svært vanskelig å predikere dette antallet. I tillegg er verdensøkonomien, med sine kriser og sykluser, alt for kompleks til å kunne predikeres”.
Disse sammenhengene kan også være av interesse for blant annet tradere og investorer som handler råvarer på børsene. De er ofte svært opptatt av risiko, og da er en viktig faktor hvordan priser og varer korrelerer og hvilken sammenheng de har både på kort og lang sikt. Hedging er en mye brukt metode for å unngå risiko innen kjøp og salg av finansielle kontrakter og innen porteføljeoptimering. Også da utgjør analysering av prissammenhenger en viktig del av arbeidet.
Utgangspunktet for analysen vil være å studere hovedsakelig ukentlige serier av fraktrater hentet fra Baltic Exchange, samt prisserier av råolje, mais og hvete. Først er det nødvendig å studere ratene og råvareprisene hver for seg, og undersøke hvordan disse har utviklet seg i perioden 1999 til 2012. Det er atskillige hendelser i verdensøkonomien som har påvirket råvareprisene, og det er viktig å undersøke effekten av disse og hvordan de har påvirket prisseriene. Neste steg vil være å se om endringen til ratene og prisene korrelerer for å kunne påvise eventuelle negative eller positive sammenhenger. I og med at tidligere forskning konkluderer med positiv korrelasjon mellom fraktrater, hovedsakelig tankrater, og oljepris, antar jeg at dette vil være blant resultatene i denne oppgaven.
For å påvise relasjoner på kort sikt mellom prisene vil det bli benyttet regresjonsanalyser på både ukentlige og månedlige data. For å avdekke langsiktige sammenhenger vil en ko- integrasjonsanalyse og ADF-test bli benyttet. Dersom det kan påvises langsiktige sammenhenger vil disse kunne modelleres i en feilkorrigeringsmodell for å undersøke hvor lang tid en eventuell ulikevekt vil bruke på å korrigere seg.
Dette leder til følgende problemstillinger:
Eksisterer det noen relasjon mellom endringer i fraktrater og endringer i råvarepriser?
Hvordan er eventuelt denne sammenhengen over tid, blir resultatene annerledes på kort og lang sikt?
Flere tidligere forskningsarbeid har fokusert på fraktrater og oljepriser, men det er langt færre i nyere tid som tar for seg sammenhenger mellom andre råvarer enn olje, og fraktrater. Derfor vil det i tillegg være fokus på hvorvidt det eksisterer sammenhenger mellom priser på korn og fraktrater på ruter som frakter korn.
Sammenhengene vil mest sannsynlig variere i ulike perioder, og det vil være interessant å undersøke om det er perioder hvor det ikke eksisterer noen sammenheng i det hele tatt, og
om det i andre perioder er en stabil og klar sammenheng. Således er det relevant om det eksistere både en kortsiktig og langsiktig sammenheng, eller om det er enten eller.
Min primære interesse er ikke kun sammenhenger, men også hvilken effekt dette har for fraktratene.
1.1 Oppgavens oppbygging
I kapittel to presenteres foreliggende litteratur om fraktrater og råvarepriser.
I kapittel tre vil det bli en kort gjennomgang av fraktmarkedet. Jeg vil blant annet gå inn på tilbud og etterspørsel i markedet, samt beskrive ulike skip og kontrakter. Og til slutt gjennomgå The Baltic Exchange og forklare forskjellen på de inkluderte indeksene og ratene.
I kapittel fire starter jeg med en kort gjennomgang av relevant pristeori, deretter blir olje- og råvaremarkedet gjennomgått på samme måte som fraktmarkedet, med fokus på tilbud og etterspørsel i markedene, og forhold som påvirker prisene.
I kapittel fem blir rapportens datamateriale grundig gjennomgått, som er viktig for den videre analysen av materialet. Først beskrives fraktratene, etterfulgt av olje-, mais- og hveteprisen. Det blir fokus på deskriptiv statistikk samt utvikling i prisene/ratene, gjennomgått én og én.
I kapittel seks undersøkes de kortsiktige sammenhengene mellom fraktrater råvarer.
Kapittelet er delt i tre, hvor første del tar for seg sammenhenger i prisutvikling og korrelasjoner både på nivå- og endringsform mellom fraktratene og råoljepris. Neste del tar for seg det samme, men mellom fraktratene og mais- og hveteprisen. I siste del utføres regresjonsanalyser for å kunne påvise signifikante kortsiktige sammenhenger mellom endringer i fraktrater og endringer råvareprisene.
Kapittel syv undersøker hvorvidt det eksisterer langsiktige sammenhenger mellom fraktrater og råvarepriser. Dette gjøres ved å først teste for stasjonæritet på nivåform, deretter benyttes ko-integrasjonsanalyser å undersøke om noen variabler har en stasjonær lineær sammenheng selv om de viser seg å være ikke-stasjonære. Avslutningsvis modelleres variablene med ko-integrerte sammenhenger i feilkorrigeringsmodeller, for å se hvor lang tid ulikevekten bruker på å justere seg tilbake.
I kapittel åtte diskuteres resultatene fra rapporten.
2. Foreliggende litteratur om fraktrater og råvarepriser
Det eksisterer omfattende litteratur om både fraktmarkeder, fraktrater og varemarkeder, herunder også sammenhenger mellom fraktrater og oljepriser. Det er også skrevet flere lærebøker som omhandler fraktrater og fraktmarkedet, og en av de grundigste er antagelig Stopford (2009). Derimot eksisterer det langt mindre tidligere forskning om sammenhenger mellom fraktrater og andre råvarer enn olje fra nyere tid. Klovland (2004) ser på sammenheng mellom sykluser, råvarepriser og fraktrater i perioden før 1.
verdenskrig.
Veenstra og Franses (1997) har utført en ko-integrasjonsstudie for å kunne predikere fraktrater i tørrbulk sektoren. De fant at det eksisterte fem ko-integrasjonsrelasjoner blant seks av seriene de inkluderte. Resultatene deres indikerer en stabil langsiktig relasjon mellom flere av tørrbulk ratene. Da denne studien kun har sammenlignet ratene med hverandre, er den ikke blant de mest relevante for denne oppgaven, men metodene er relevante.
Kavussanos og Alizadeh (2001, 2002) analyserer sesongbaserte mønstre i spotratene for både tørrbulk og tankskip, og har funnet at sesongmønstre varierer avhengig av størrelsen på skipene og markedssituasjonene. I markedet for tørrbulkskip øker sesongvariasjonen jo større skipene er, og også jo lenger tid kontraktene går over. Kavussanos og Visvikis (2004) undersøkte volatilitet og forskjellen blant spot- og forward-markedet. Etterspørselen etter maritim transport på lang sikt er i stor grad påvirket av strukturelle endringer i råvarehandelen.
Klovland (2004) konkluderte blant annet med at det ofte er nære tidsrelasjoner mellom de øvre vendepunktene i forretningssykluser, råvarepriser og fraktrater, spesielt i årene 1873, 1889, 1900 og 1912.
Alizadeh og Nomikos (2004) undersøker om det eksisterer en relasjon mellom fraktrater i tankmarkedet og futures i råoljemarkedet, men klarte ikke å påvise noen sammenheng.
Dette mente de var på grunn av ubalanse i regionalt tilbud og etterspørsel, og at det derfor eksisterer arbitrasjemuligheter mellom oljederivater og tankratemarkedet.
Koekebakker et al. (2006) undersøker hvorvidt fraktrater er stasjonære eller ikke. De vet at tidligere litteratur konkluderer med at fraktratene ofte er ikke-stasjonære, men de har valgt å på nytt gjennomgå de teoretiske argumentene for blant annet mean reversion. De mener testene som benyttes for å teste for stasjonæritet er for svake, og utvider ADF-testen med
en ”Exponentially smooth-transition autoregressive model” (ESTAR), slik at man tester for enhetsrot mot et ikke-lineært alternativ. De kommer frem til de samme resultatene som tidligere, at fraktrater i både tørrbulk- og tankmarkedet er ”ikke-lineære stasjonære”.
Den studien som antagelig har dekket den lengste perioden er av Randers og Göluke (2007). De har gjennom 30 år, helt siden 1980-tallet, tidvis forsket på shipping markedet og fraktrater, og ved å benytte seg av systemdynamikk har de funnet måter å forutse vendepunkter i fraktratene. De mener at deres modeller med estimater av fremtidig etterspørsel kan forutse vendepunkter i shipping markedet 1-4 år frem i tid.
Angelidis og Skiadopoulos (2008) har målt fraktrate-risikoen ved hjelp av parametriske og ikke-parametriske VaR-metoder, i både tank- og tørrbulkmarkedet. De konkluderer med at ikke-parametriske metoder er de beste for å måle og kalkulere risiko i fraktratene. I tillegg konkluderer de med at risikoen er høyere i tankmarkedet, her forventes fraktindeksen å falle med 6-8 % daglig med en sannsynlighet på 5 %, og derfor bør man sette høyere marginer i tankmarkedet.
Geman og Smith (2012) drøfter driverne i shipping markedet, og studerer fraktrater for bulkskip fra de to siste tiårene. De har brukt Baltic Dry Index som indeks, og kommet opp med noen spredningsmodeller som kan fange opp store svingninger og kontinuitet. De bekrefter i studien sin at volatiliteten til fraktrater opplever store svingninger og at de er mer volatile enn både aksjer og råvarepriser, med et standardavvik oftest høyere enn 60 %.
De har også diskutert hvordan det i shipping industrien ikke eksisterer lager med varer som påvirker prisene, slik som blant annet i råvaremarkedene.
De nevnte studiene har mye viktig informasjon å tilføre denne oppgaven, men de er ikke like relevante når det kommer til analysemodeller og teknikkene, da formålene er noe ulikt.
Randers og Göluke (2007), Angelidis og Skiadopoulos (2008) og Geman og Smith (2010) benytter seg kun av fraktrater og analyserer disse, de ser ikke på sammenhenger med andre varer eller priser. Kavussanos (2004) ser på sammenhenger, men veldig langt tilbake i tid – tilbake til slutten av 1800-tallet og begynnelsen av 1900-tallet. Alizadeh og Nomikos (2004) inkluderer futures og derivater i analysene, mens i denne oppgaven er det hovedsakelig prisen på selve råvaren som analyseres.
Poulakidas og Joutz (2009) har forsket på sammenhengen mellom oljepris og tankrater. De har ved hjelp av ko-integrasjonsanalyse og Grangers kausalitetsanalyse funnet en sammenheng mellom spot- og future-priser på råoljepris, råoljelager og tankrater.
Sluttprisen på olje er avhengig av produksjonskostnader, raffinering, markedsføring og transportkostnader for råolje og petroleumsprodukter.
I dataene sine ser de at etter 2002 avtar relasjonen mellom oljeprisen og tankraten når oljeprisen stadig øker mens tankratene fortsatt er svært volatile. De tror det kan være fordi tankindustrien i 2002 tilpasset seg saktere enn oljemarkedet. Oljeprisen hadde beveget seg til et mye høyere prisnivå mens tankprisene gikk inn i en periode med mye volatilitet og opplevde priskutt.
De oppdaget sterk motsatt relasjon mellom US Gulf tankrater og US Pertroleum Inventories. Når lagrene gikk opp, gikk tankratene ned, og motsatt. Fordi mesteparten av oljen importeres via tankskip, impliserer en høy oljepris et lavt oljelager og også høyere tankrater. Datamaterialet til studien består av ukentlige observasjoner i perioden 1998- 2006, som ikke er helt ulikt denne oppgaven. De konkluderer med at dersom det er høy etterspørselen etter olje, er det også høy etterspørsel etter tankskip og rederiene kan derfor øke fraktratene. De nevner også at faktorer som har påvirket prisingen av olje- og tankskip blant annet har vært Amerikansk økonomi, som opplevde en bedring i perioden før finanskrisen, og også mer turbulente værforhold (orkanene Katrina, Charles, Frances og Ivan). I tillegg har nedgang i oljeproduksjon i Irak hatt stor effekt, samt politisk ustabilitet i Venezuela. Oljeetterspørselen nådde en topp i 2004, med en oljeproduksjon høyere enn den hadde vært på 14 år.
Jing et al. (2008) har analysert markedet for tørrbulk, og de skriver blant annet om hvordan råvareetterspørselen i det lange løp er den faktoren som i høyest grad driver fraktratene. De har studert volatiliteten til rater for ulike skip (Capesize, Panamax og Handysize) i perioden 1999 til 2005, og ved hjelp av GARCH har de også undersøkt effekten av sjokk i avkastningene. En
UNCTAD skriver i sin empiriske undersøkelse at oljeprisen snart har nådd sitt maksimum, og det derfor er bekymringsverdig at den maritime industrien er så avhengig av en slik begrenset energikilde. De skriver også at selv om oljeprisen forklarer noe av variasjonen i de maritime transport-ratene er det også mange andre faktorer som spiller inn;
etterspørselen etter shipping-service, variabler som angår havner, produktvariabler, industrivariabler, teknologiske faktorer, institusjonelle variabler og variabler angående
land. UNCTAD konkluderte i rapporten sin med at elastisiteten til oljeprisen på fraktrater er betydelig høyere siden 2004. Effekten oljeprisen har på fraktrater er høyere i perioder hvor oljeprisen stiger kraftig og er mer volatil, sammenlignet med perioder hvor volatiliteten er stabil. De forventet at oljeprisen skulle stige betraktelig på bakgrunn av ubalanse mellom tilbud og etterspørsel.1
1 UNCTAD: Review of Maritime Transport – 2010, 2011
3. Kort om fraktmarkedet
Fraktmarkedet styres av etterspørsel og tilbud, hvem kunden er og hva kunden kan tilbys, som igjen har stor effekt på fraktratene. Det er tilgjengelighet og etterspørsel etter varer i verden, og tilgang på skip som er to av driverne innen shipping.
Noen av de største aktørene innen shipping holder til i byer som London, Dubai, Singapore, Oslo, Hong Kong, Hamburg, Shanghai, Tokyo og mange fler. Mellom disse byene fraktes det store mengder varer – og råolje, kull og korn er blant de råvarene det fraktes mest av.
3.1 Tilbud og etterspørsel i fraktmarkedet
Faktorene som hovedsakelig påvirker tilbudet innen shipping er flåtestørrelse2, nybygging, skraping og fraktinntekter. Tilbudet i markedet endrer seg sakte sammenlignet med etterspørselen, blant annet fordi prosessen med å bygge nytt tonnasje er tidskrevende.
(Stopford 2009).
Fraktratene reflekterer forholdet mellom tilgjengelig mengde skip og mengde last som skal fraktes i markedet – sagt på en annen måte justeres fraktratene på bakgrunn av balansen mellom tilbud og etterspørsel. Fraktratene er derfor lave dersom det er mange skip tilgjengelig og omvendt blir de høye hvis det er få skip. Det kan også observeres at fraktrater og størrelsen på ordrebok3 beveger seg parallelt. Når fraktratene er høye tyder det på at skipseiere investerer mer i ny kapasitet, noe som også kommer av at bankene er mer villig til å gi lån. Når skipskapasiteten øker faller fraktratene, og industrien investerer mindre i ny kapasitet.4
Et stort problem i shippingbransjen i dag er det store antallet tonnasje som er produsert, i tillegg til at mer er på vei. Det eksisterer mange skip som ligger i opplag på grunn av overkapasitet. Det vil si skip som er fullt utstyrt og klare for bruk, men som det ikke er behov for i markedet.
2 Flåtestørrelse, også kalt tonnasje, kan brukes som et mål på skipskapasiteten i markedet.
3 Hvor mange nye skip som bestilles.
4 Artikkel: Transport Demand and Supply: Review of Maritime Transport 2012
Etterspørselen er som sagt kjent for å være svært volatil i maritim transport og den kan endre seg rask og uventet, mens tilbudet bruker langt mer tid på å endre seg.
”Verdensøkonomien er antagelig den faktoren som alene har størst påvirkning på etterspørselen etter maritim transport, og dette foregår enten gjennom import av råmaterialer til bruk i industriproduksjon eller handel av ferdigproduserte varer.
Verdensøkonomien styrer med andre ord det volumet som fraktes med maritime transportmidler.” (Stopford 2009).
En annen viktig faktor er elastisiteten i etterspørselen til varene som fraktes, da etterspørselen etter shipping er derivert fra etterspørselen til disse varene. (Branch 2007).
I tankmarkedet vil tilbudet og etterspørselen etter olje være den faktoren som har størst effekt på etterspørselen etter tankskip og frakt av olje over havet, sammen med distanse.
Oljen kan også transporteres gjennom rørledninger, noe som har redusert etterspørselen etter oljetransport. Etterspørselen er fortsatt ikke helt på topp etter finanskrisen i 2008. Da ble det kollaps i markedet på grunn av at mange ikke hadde mulighet til å trekke seg fra kjøpekontraktene de hadde signert.5
Det er ikke bare økonomisk usikkerhet, variasjon i etterspørsel og overkapasitet av tonnasje som påvirker shipping industrien. Det er andre faktorer som i større grad påvirker, blant annet klimaendringer, endring i global økonomi samt forandringer i handelsmønstre.
I tillegg påvirker økte bunkerkostnader og andre kostnader.
Sesongvariasjoner og sykluser dominerer fraktmarkedet og ratene, og er bakgrunnen for store deler av volatiliteten i fraktmarkedet. Målet er å utnytte syklusene riktig ved å kjøpe billig og selge dyrt.Sesongvariasjoner forekommer spesielt i bulkmarkedet og for skip som frakter korn, da tidspunkt for høstingen er svært relevant. Det er ofte en økt aktivitet i perioden september-oktober, da alt korn som er høstet i Nord Amerika skal fraktes med skip. Tidlig på sommeren er det ofte en rolig periode. Olje påvirker også sesongvariasjonene, spesielt på vinteren da lagrene skal fylles opp i forbindelse med høy etterspørsel. (Stopford 2009).
I figur 3.1 og 3.2 under har jeg forsøkt å illustrere at sesongvariasjonene er svært tydelige i fraktraten TD9 som gjelder en rute med tankskip, sammenlignet med hveteprisen. I fraktraten ser man en kraftig oppgang hvert år, etterfulgt av en nedgang.
5 Artikkel: Transport Demand and Supply: Review of Maritime Transport 2012
Figur 3.1 Illustrasjon over sesongvariasjoner i hveteprisen i perioden 2002-2009. Ukentlige observasjoner.
Figur 3.2 Illustrasjon over sesongvariasjoner i Dirty Tanker-raten TD9 i perioden 2002-2009. Ukentlige observasjoner.
3.2 Kontrakter i fraktmarkedet
I fraktmarkedet er det vanlig at partene inngår en kontrakt i forkant av selve transporten.
Partene er ofte en skipseier som har et skip til bruk eller leie, og den andre parten som har behov for frakt av varene sine. Det er vanlig å skille mellom tre type kontrakter:
«Voyage-Charter» tilbyr frakt av en spesifikk vare fra havn A til havn B for en fastsatt pris pr tonn. Da er skipet bemannet og eieren av lasten behøver kun se til at skipet får med seg varene.
«Time-Charter» vil si at parten med varer som skal transporteres har ansvar for det operasjonelle på skipet, mens skipseieren fortsatt har ansvaret for eierskap og ledelse.
Time-charter-rater sies å være langsiktige rater, mens Voyage-rater er kortsiktige. ”Når ratene stiger og det forventes mer stigning, er det vanlig at skipene chartres for lengre perioder, men når ratene forventes å synke, går kontraktene over kortere perioder. Derfor reflekterer ofte Time-charter-ratene den forventede trenden til Voyage-rater i fremtiden”
(Branch 2007).
200 400 600 800 1000 1200
02.01.02 02.01.03 02.01.04 02.01.05 02.01.06 02.01.07 02.01.08 02.01.09
Sesongvariasjoner hvetepris 2002-2009
50 150 250 350 450 550
02.01.02 02.01.03 02.01.04 02.01.05 02.01.06 02.01.07 02.01.08 02.01.09
Sesongvariasjoner TD9 2002-2009
«Bare-Boat-Charter» er når skipseier leier ut hele båten med alt tilhørende ansvar.
Dette er for parter som ønsker å transportere varer og ha fullt operasjonelt ansvar, men som ikke ønsker å eie båten. (Stopford 2009).
3.3 Skipstyper
Shipping industrien består av svært mange ulike typer skip – det finnes forskjellige skip til forskjellige typer produkter. Den typen skip som har størst andel av verdensflåten er bulkskip. I 2012 utgjorde de 40,6 % av hele verdensflåten.6
Disse er spesialdesignet for å frakte varer i løsvekt, slik som jernmalm, kull, korn, sukker m.m. i store cargo holes. Det er vanlig å omtale tørrbulk som en egen gruppe, det vil si at man utelukker de som frakter olje – disse kalles tankskip.
Bulkskipene deles inn i følgende kategorier:
Supramax er små tørrbulkskip med en kapasitet på ca. 50.000-60.000 dwt7. Disse frakter som regel korn, malm, kull, sement eller gjødsel, og er designet for å komme inn i mindre havner.
Panamax er en tørrbulk som hovedsakelig frakter korn og jernmalm. Dette skipet har en kapasitet på ca. 60.000-80.000 dwt. Navnet kommer av at skipet er det største som kan passere gjennom Panamakanalen.
Capesize er også en tørrbulk som frakter kull, malm og andre råvarer. Størrelsen på disse skipene varierer mellom 80.000 og 160.000 dwt. Disse skipene er for store for å passere gjennom blant annet Panamax-kanalen.
Aframax er blant de mindre tankskipene og har en kapasitet på ca. 60.000-120.000 dwt. Disse skipene har tilgang til de fleste havnene i verden, og går ofte til byer som har små havner og oljeterminaler.
Suezmax er tankskip med kapasitet på ca. 160.000 dwt. Suezmax fikk navnet fordi det var det største skipet som kunne passere gjennom Suezkanalen, men dette har antagelig endret seg etter at kanalen ble utvidet i 2010.8
VLCC (Very Large Crude Carriers) er også tankskip som frakter store mengder med råolje. Kapasiteten til disse er på ca. 120.000-200.000 dwt, og går oftest mellom den Arabiske Golfen og USA, Vest Europa og Japan. (Dokkum 2007).
6Artikkel: Transport Demand and Supply: Review of Maritime Transport 2012
7 Dødvekttonn (dwt) tilsvarer den totale vekten et skip kan bære av last, inkl. drivstoff, forsyninger, passasjerer, besetning.
8 http://www.suezcanal.gov.eg/sc.aspx?show=12
3.4 The Baltic Exchange og fraktrater inkludert i analysen
The Baltic Exchange er en medlemsorganisasjon sentralt i det globale shipping-markedet og tilbyr daglig informasjon om markedet.9 I en internasjonal og risikofylt bransje som dette er det svært viktig med pålitelig markedsinformasjon.Da de startet opp i 1985 hadde de kun indeksen Baltic Freight Index (BDI). Denne indeksen var basert på et vektet gjennomsnitt av elleve forskjellige ruter. I 2001 byttet de ut BDI med fire tørrbulkindekser;
Capesize Index (BCI), Panamax Index (BPI), Handymax Index (BHMI) og Dry Index (BDI), som alle er basert på vektet gjennomsnitt av de respektive rutene. Hver dag regnes gjennomsnittet for prisen på én og én rute, dette multipliseres så med et standard tall for å konvertere fraktratene til indekser. Hver rute vektes etter hvor viktig den er i forhold til de andre rutene som tilhører samme indeks. Senere år har de utvidet med enda flere indekser.
Det er ulike måter å uttrykke fraktrater og indekser på, enten er de oppgitt i Worldscale Points, USD/dag eller USD/mt10. Worldscale Points benyttes oftest i tankindustrien og er en basis for å kalkulere spot ratene.11
I analysen vil jeg gå nærmere inn på fire ulike indekser; Capesize Index (BCI), Dirty Tanker Index (BDTI), Panamax Index (BPI) og Supramax Index (BSI). Jeg vil inkludere flere av indeksenes ruter for alle utenom for BCI, hvor jeg kun benytter meg av selve indeksen. I tillegg til å inkludere flere av BDTI-rutene vil jeg også inkludere selve indeksen.
Baltic Capesize Index reflekterer gods fraktet med Capesize skip. Denne indeksen består av totalt 10 ulike ruter, hvorav seks er Voyage-ruter og fire er Trip-charter-ruter12. Disse 10 rutene frakter blant annet jernmalm og kull. Fordi det var problematisk å finne tilstrekkelig med tallmateriale på rutene, vil kun indeksen bli inkludert her.
Baltic Dirty Tanker Index består av ruter hvor det fraktes hovedsakelig råolje, men også andre destillater av olje-raffineringsprosessen slik som fyringsolje. Disse produktene
9 http://www.balticexchange.com
10 En metric ton (mt) er lik 1000kg., kalles også ”tonne”.
11 Worldscale viser kostnadene ved å transportere én ”tonne” med last om bord i et standard skip på en
«Voyage Charter».
12 Trip-time-charter er en kort Time-charter-rute, og gjelder kun for en spesifikk rute.
fraktes i tankskip i ulike størrelser, blant annet av typen VLCC, Suezmax og Aframax.
Fraktratene på Dirty Tanker-rutene er oppgitt i Worldscale.
Baltic Panamax Index er gods, hovedsakelig korn, fraktet med Panamax skip, og størrelsen på disse er som regel 74.000 dwt. Indeksen består totalt av fire Trip-charter-ruter. Jeg har inkludert de to rutene P1A og P2A, hvorav den første frakter fra enten US Gulf, Østkysten i Sør Amerika eller fra US Østkysten og tilbake til Europa. P2A frakter mellom Øst Asia (regionen mellom Taiwan og Japan) og Europa.
Baltic Supramax Index er gods, hovedsakelig korn, fraktet med Supramax-skip, størrelsen på disse skipene er 52.000 dwt. Denne indeksen består av ni Trip-charter-ruter, men det er kun seks av disse som er med i kalkuleringen av indeksen. Her inkluderes de to rutene S4A og S4B inkludert. S4A går fra US Gulf til Europa, og S4B omvendt, Europa til US Gulf.
Tabell 3.1 Fraktratene benyttet i oppgaven. I tillegg er Dirty Tanker Indeksen og Capesize Indeksen benyttet. Kun en oversikt over de ulike rutene, samt størrelse på skip og type last.
I tabell 3.1 er alle rutene som er inkludert i rapporten listet opp, samt størrelse og type last.
Størrelse
Rute (dwt) Ruteforklaring Last
Dirty Tanker
TD3 250 000 ME Gulf til Japan Råolje
TD4 260 000 W Africa til US Gulf Råolje
TD5 130 000 W Africa til USAC Råolje
TD7 80 000 North Sea til Cont Råolje
TD8 80 000 Kuwait til Singapore Råolje
TD9 70 000 Caribs til US Gulf Råolje
Supramax
S4A 52 000 US Gulf til Skaw, Passero Korn S4B 52 000 Skaw, Passero til US Gulf Korn Panamax
P1A 74 000 Skaw, Gibraltar via Atlantic til Skaw Korn P2A 74 000 Skaw, Gibraltar via Far East til Taiwan, Japan Korn
Fraktrater inkludert i analysene
4. Kort om råvare- og oljemarkedet
Det vil også være naturlig med en gjennomgang av olje- og råvaremarkedene.
For å forstå hva som driver olje- og råvareprisene vil jeg gå gjennom faktorer som har påvirket tilbud og etterspørsel i markedene, og som har sterk sammenheng med prisbevegelser. Fordi hovedfokus i oppgaven er på pris og sammenhenger, vil jeg aller først foreta en kort gjennomgang av relevant pristeori.
4.1 Pristeori
Jeg tar utgangspunkt i mikroøkonomi og teorien om tilbuds- og etterspørselssidene i markedet. Dersom etterspurt mengde er nøyaktig lik tilbudt mengde, og omsetningen skjer til likevektspris, da har vi likevekt i markedet.
”I et spotmarked med perfekt konkurranse bestemmes normalt fraktratene ut i fra marginalkostnadene til et marginalfartøy som kreves for å tilfredsstille etterspørselen etter transport. Den kortsiktige tilbudskurven indikerer hvor mye transport flåten frivillig leverer til en gitt fraktrate.” (Koebakker 2006).
Priselastisitet er etterspørselen til varer målt ved ulike prisnivåer. Elastisiteten er større desto mindre etterspørselen etter varen endrer seg ved økning i pris.
Det er vanlig å skille mellom kortsiktig og langsiktig elastisitet. Det tar ofte noe tid for forbrukere å tilpasse seg nye priser, og dermed vil ikke priselastisiteten endre seg stort i det korte løp. Derimot vil det endre seg i det lange løp, og dette tilsier at den kortsiktige etterspørselskurven er flatere enn den langsiktige. I råvaremarkedet er det ofte tilfellet at varene må skaffes uansett hvilken pris de har, og de betraktes derfor som uelastiske, og en endring i prisen har derfor relativt liten effekt på etterspørselen. Derimot kan en endring i tilbudet føre til store konsekvenser. (Riis og Moen 2011).
Cooper (2003) har i sin forskning konkludert med at oljeprisen er veldig prisuelastisk på kort sikt, og mer priselastisk på lengre sikt, som også stemmer overens Riis og Moen (2011) sin litteratur.
4.2 Råvaremarkedet
Hvete står for store deler av verdens konsum av korn, og mais brukes som mat til både mennesker og dyr. Disse to råvarene i tillegg til ris og soyabønner utgjør en svært stor del av maten som blir konsumert globalt. Siden 2002 har prisen på matråvarer økt kraftig. En del faktorer er underliggende trender som har pågått det siste tiår. Det er forholdet mellom
tilbud og etterspørsel som danner råvarepriser, jeg vil derfor beskrive noen av disse forholdene i råvaremarkedet.
Tilbud og etterspørsel i råvaremarkedet
Vær og klima er blant faktorene som har størst innvirkning på tilbudet av råvarer.
I 2007 var det tørke og dårlige klima mange steder verden over, noe som førte til svært dårlige avlinger. Det tyder dessuten på at klimaforholdene blir mer og mer uforutsigbare, og dette fører til stor usikkerhet for avlingene og fører til uforutsigbare råvarepriser.
På grunn av økte energipriser har produksjonskostnadene for bønder verden over økt.
I en lang periode har vi årlig sett en reduksjon i dyrkbare jordbruksarealer. Dette påvirker også tilbudet og prisene i råvaremarkedet.
Et eksempel på værforhold som påvirker blant annet råvaremarkedet ser vi nå her i landet.
I år har det vært det dårligste kornåret for norske bønder siden 1994 på grunn av en dårlig vinter. I tillegg har det vært så mye ekstremvær, at bøndene er redd de må slakte flere av dyrene sine, fordi fôret må fraktes fra områder som ikke er påvirket av flom.13
En langsiktig trend som påvirker etterspørsel mer og mer er den økonomiske veksten. Det er økende velstand blant middelklassene, og middelklassene øker i antall, og de blir mer oppmerksomme på maten de spiser. Dette fører til økt etterspørsel etter blant annet korn, fordi det brukes til fôring i kjøttindustrien. Dette er typisk i utviklingsland som Kina og India, som står for 40 % av jordas befolkning. Kina alene utgjør ca. en femtedel av den globale konsumpsjonen av hvete, ris, mais og soyabønner. Denne økningen i befolkningen fører samtidig til økt etterspørsel etter energi til elektrisitet til blant annet industri og transport, og dette har siden 1999 vært med på å øke oljeprisene. (Wright 2011). Bare i Kina økte oljeimporten med 21 % pr år i perioden 1996-2006. Fordi råolje denomineres i US dollar ble det importert mer da dollaren sank i verdi, dette gjorde også at oljeprisene ble presset opp.14
Tidlig på 2000-tallet startet US dollar å falle i verdi, dette førte til en økt etterspørsel blant landene utenfor dollarsonen. De fleste råvarer, spesielt råolje, hvete og mais, er priset i US dollar, og dette har derfor påvirket disse på samme måte. I tillegg har økende forbruk av biodiesel også ført til kraftig vekst i etterspørsel etter råvarer som blant annet mais. Det er
13 http://e24.no/naeringsliv/nytt-elendig-kornaar-for-norske-boender/21259254
14 OPEC Annual Report – www.opec.org
de siste års økende oljepriser som har ført til økende etterspørsel etter biodiesel, som er et billigere alternativ. I de største landene som produserer råvarer, går nå ca. 20-50 % av råvarene til produksjon av biodiesel (gjelder mais og sukkerrør). Dette betyr at prisen på petroleumsprodukter er avgjørende for prisen på biodiesel, og en økende bruk av biodiesel har stor effekt på råvareprisene.
I 2006 ble det mer og mer populært for finansmarkedet med hedge- og index-fond for å minimere risiko i porteføljene sine. Tradere og investorer er ofte ikke interessert i de underliggende råvarene, og det er usikkert hvilken påvirkning dette har hatt på tilbud og etterspørsel i råvaremarkedet. Derimot så har det mest sannsynlig vært med på å øke den kortsiktige volatiliteten til råvareprisene.15
I 2007 og 2008 inntraff en kraftig prisøkning i råvarepriser verden over, men ikke kraftigere enn økningen markedet opplevde på 1970-tallet i følge Piesse og Thirtle (2009).
4.3 Oljemarkedet
Blant landene som produserer olje, er Saudi Arabia på toppen med 11,5 mill. fat per dag, etterfulgt av USA og Russland, med henholdsvis 11,1 og 10,4 mill. fat daglig. Neste produsent på listen er Kina med 4,4 mill. fat per dag.
Blant konsumentene av olje ligger USA øverst på listen med 18,6 mill. fat daglig, etterfulgt av Kina med et forbruk på 10,3 mill. fat per dag. Neste er Japan som konsumerer 4,7 mill.
fat per dag.16
Oljeprisen i markedet bestemmes ut i fra tilbud og etterspørsel på den aktuelle dagen.
Adelman (2002) mener at i en moden oljeindustri burde prisene være relativt stabile, men det er flere faktorer som gjør prisene ustabile.
Tilbud og etterspørsel i oljemarkedet
Etterspørselen etter olje påvirkes også av den økonomiske veksten i verden. Når den økonomiske aktiviteten i verden øker, øker også etterspørselen etter olje på grunn av blant annet økt energiproduksjon, økt vareproduksjon og økt transport. Dette vil føre til at oljeprisene øker – ved motsatt tilfelle, synkende etterspørsel, vil oljeprisen presses ned.
Økt industrialisering og urbanisering i utviklingsland og spesielt i Kina har økt etterspørselen etter energi kraftig, og også presset opp prisene. OPEC forventer dessuten en
15Artikkel: Riding a wave: Commodities Boom – Finance and Development Mars 2008
16US Energy Information Administration (Tall for 2012).
fortsatt økning i oljeetterspørselen. Blant annet fordi land som ikke har tilgang har behov for stadig import. 17
OPEC (Organization of the Petroleum Exporting Countries), er en internasjonal interesseorganisasjon, og et kartell som har som mål å koordinere produksjonen av olje blant alle oljeproduserende land. Det er viktig å skille mellom produsenter som står utenfor og innenfor OPEC på tilbudssiden. OPEC består av tolv medlemsland og disse står for en tredjedel av verdens oljeproduksjon.
Siden ca. 1970 har OPEC vært med å ”trigge” oljeprisene ved å påvirke tilbudet av olje.
Før dette var oljeprisen gjerne mer stabil, men nå bestemmes ikke lenger produksjonsmengden uavhengig av andre produsenter, i stedet begrenser de produksjon for å påvirke prisen. (Adelman 2002).
Fraktrater og oljepris har stor sammenheng med verdensøkonomien. Store verdenskriser som finanskriser eller andre katastrofer har svært stor påvirkning på økonomien. Et eksempel er naturkatastrofer i Japan og Thailand som har forstyrret regional og global tilførsel av varer, som også har ført til økte oljepriser og volatilitet, som igjen kan påvirke fraktratene.18
Landene som er medlem av OPEC er Algerie, Angola, Ecuador, Iran, Irak, Kuwait, Libya, Nigeria, Qatar, Saudi Arabia, De Forente Arabiske Emirater og Venezuela.
17 OPEC Monthly Report – January 2013
18UNCTAD: Review of Maritime Transport – 2011
5. Beskrivende statistikk om frakt- og råvaremarkedene
Før sammenhengen undersøkes vil fraktratene og råvareprisene studeres hver for seg ved hjelp av beskrivende og deskriptiv statistikk. Hensikten er å gi et inntrykk av hvordan markedene har utviklet seg i perioden 1999 til 2012.
Datasettet består av 10 fraktruter og 2 fraktrateindekser (se tabell 3.3), samt råolje-, mais- og hvetepris. De fleste dataene består av ukentlige prisserier i perioden desember 1999 til desember 2012, og utgjør tretten år med komplette observasjoner. Unntaket er rutene S4A, S4B (Supramax), P1A og P2A (Panamax) som kun består av ukentlige observasjoner tilbake til 2007. Dette er fordi det var problematisk å innhente rater på ruter som frakter korn lenger tilbake i tid enn 2007, og derfor vil denne perioden kun gå over 6 år.
For å unngå mest mulig støy i dataene, noe det er større sannsynlighet for i de ukentlige observasjonene, har jeg valgt å kjøre noen av analysene også på månedlig observasjoner for å undersøke om resultatet vil endre seg. Det vil kun fokuseres på ukentlige data i den beskrivende og deskriptive delen.
Prisen på råolje er hentet fra US Department of Energy, og prisen på mais og hvete er hentet fra Chicago Board of Trade (CBOT). Fraktratene og indeksene er opprinnelig fra The Baltic Exchange.
Dataene vil bli presentert både på nivåform og i prosentvise endringer gitt ved logaritmisk19 avkastning. Ved å bruke prosentvise endringer minsker sannsynligheten for ikke-stasjonæritet.
5.1 Fraktrater 1999-2012 (2007-2012)
Først vil beskrivende statistikk for fraktratene presenteres. Første del tar for seg deskriptive data for alle fraktratene, deretter vil den historiske utviklingen i ratene bli studert.
Deskriptiv statistikk
Tabell 4.1 viser deskriptiv statistikk gitt ved logaritmisk prosentvis endring. Perioden er delt opp for å kunne sammenligne på tvers av disse.
Første periode er årene 1999-2006, neste er 2007-2009 og siste periode dekker årene 2010- 2012. Den siste kolonnen viser hele perioden, som er 1999-2012 for de åtte første ratene, og 2007-2012 for de fire siste.
19Prosentvise endringer gitt ved logaritmisk avkastning.
!!!!" !!
!!!! !!" !! !!" !!!! .
Tabell 5.1 Deskriptiv statistikk for fraktrater og indekser i perioden 1999-2012. Prosentvise endringer. Basert på ukentlige observasjoner.
Avkastningen var positiv for alle ratene samt de to indeksene i perioden 1999-2006. TD7 hadde høyest avkastning på 19 % og TD3 lavest med 3 %. I årene 2007 til 2009 opplevde alle ratene, bortsett fra P2A, en negativ avkastning. P2A hadde en positiv avkastning på 6
%. Også i perioden etter, 2010-2012, opplevde de fleste en gjennomsnittlig negativ avkastning, bortsett fra TD5 som hadde avkastning på 1 %. De høyeste verdiene erfarte Supramax- og Panamax-ratene, med avkastninger på mellom -39 % og -52 %. Hele perioden viser at ratene som går tilbake til 1999 hadde avkastninger svært nærme 0, mens de som går tilbake til 2007 lå på mellom -17 % og -32 %.
Standardavvikene varierer mellom 41 % og 159 %. Alle fraktratene, bortsett fra P1A, hadde høyest volatilitet i perioden 2007 til 2009, og var sannsynligvis en følge av den globale finanskrisen i 2008. P1A hadde høyere standardavvik i perioden 2010-2012.
BCI hadde et standardavvik på 102 % i 2007-2009, som er mer en det dobbelte av hva det var i perioden før, 1999-2006.
TD9, TD7 og TD3 er de ratene som har opplevd størst volatilitet i årene 2007-2009 med standardavvik på henholdsvis 159 %, 146 % og 131 %. De samme varierte betydelig mer enn de andre også i perioden 1999-2006. TD8 ser ut til å være den minst volatile raten av Dirty Tanker-rutene.
P1A opplevde en volatilitet på 107 % i 2007-2009 og 140 % i 2010-2012, som forteller at volatiliteten har vært relativt større etter finanskrisen. P2A derimot var mer volatil under finanskrisen.
Indeks 1999-2006 2007-2009 2010-2012 1999-2012 1999-2006 2007-2009 2010-2012 1999-2012
BCI 16 % -10 % -42 % -3 % 46 % 102 % 83 % 72 %
BDTI 9 % -19 % -2 % 0 % 55 % 67 % 41 % 56 %
Rute
TD3 3 % -1 % -7 % 0 % 131 % 131 % 86 % 122 %
TD4 9 % -17 % -6 % 0 % 81 % 107 % 68 % 85 %
TD5 11 % -27 % 1 % 0 % 95 % 122 % 95 % 102 %
TD7 19 % -30 % -10 % 1 % 115 % 146 % 100 % 120 %
TD8 6 % -10 % -4 % 0 % 55 % 64 % 44 % 55 %
TD9 14 % -36 % -1 % -1 % 128 % 159 % 92 % 129 %
2007-2009 2010-2012 2007-2012 2007-2009 2010-2012 2007-2012
P1A -3 % -52 % -27 % 107 % 140 % 125 %
P2A 6 % -40 % -17 % 81 % 54 % 69 %
S4A -4 % -39 % -21 % 88 % 63 % 77 %
S4B -14 % -49 % -32 % 75 % 67 % 71 %
Årlig gjennomsnitt Årlig standardavvik
Tabell 5.2 Skjevhet og kurtose for fraktrater i perioden 1999-2012, med delperiode 2007-2009 i første kolonne.
Prosentvise endringer. Basert på ukentlige observasjoner.
Skjevhet og kurtose i perioden 1999 til 2012 er presentert i tabell 5.2. De fleste fraktratene har positiv skjevhet20, noe som karakteriserer tykkere og fetere høyresidehaler enn venstresiden. TD3 er den fraktraten som er mest symmetrisk rundt gjennomsnittet.
P1A, S4B og TD8 har svært høy kurtose21 i hele perioden, som bekrefter at det eksisterer ekstremverdier. S4B har også høy kurtose i perioden 2007-2009.
20 Skjevhet gir informasjon om formen til distribusjonen, det indikerer om distribusjonen er symmetrisk rundt gjennomsnittet, eller om den er skjev mot høyre eller venstre. !"#$%#&&! !!!!!!!
!!! !.
21 Kurtose informerer om brattheten til distribusjonen. Vanlig verdi (normaldistribusjon) er 3 eller lavere, derfor trekkes 3 i fra likningen. Er verdien høy er det tegn på at det finnes ekstremverdier.
!"#$%%!!"#!"#$! ! !!!!!!!
!!! !!.
Rute 2007-2009 2007-2012 2007-2009 2007-2012
P1A -0,11 1,25 -0,09 5,69
P2A -0,73 -0,49 0,19 0,35
S4A -0,26 -0,34 1,56 1,66
S4B 0,37 0,11 3,08 3,35
1999-2012 1999-2012
BCI -0,05 -0,10 -0,88 0,53
BDTI -0,10 0,08 -1,08 -0,76
TD3 -0,06 0,05 -1,26 1,00
TD4 0,27 0,29 -1,29 -0,59
TD5 0,50 0,36 -1,71 -1,35
TD7 0,14 0,50 -1,59 0,64
TD8 -0,13 0,36 2,30 4,03
TD9 0,27 0,32 -2,19 -1,01
Skjevhet Kurtose
Utviklingen i fraktrater 1999-2012
Her vil de ulike fraktratene presenteres hver for seg etter hvilken indeks de tilhører. For Capesize er som sagt ingen av rutene inkludert, kun indeksen. Fraktratene blir presentert i følgende rekkefølge: Capesize, Dirty Tanker, Panamax og Supramax. Jeg vil gå gjennom utviklingen til fraktraten samt rullerende standardavvik for ratene.
Capesize
I perioden 1999 til 2003 holdt indeksen seg relativt stabil, men i slutten av 2003 økte den opp mot et nytt makspunkt som toppet seg i januar 2004. At fraktrater er svært volatile kommer tydelig frem i grafene. Nå er dette kun indeksen, men vi får et inntrykk av hvordan de ulike Capesize-ratene har beveget seg. Finanskrisen skiller seg ut i grafen, og vi ser at det var da indeksen var på sitt høyeste med et makspunkt på 19.253, etterfulgt av en kraftig nedgang til minimum på 833 i november 2008. Dette vil mest sannsynlig gå igjen hos de fleste fraktratene, en topp etterfulgt av en kraftig nedgang i finanskrisens periode. Det kan også være slik at sesongvariasjoner er grunnen til de stadige opp- og nedgangene, spesielt etter år 2002. Indeksen er verken notert i USD eller WS, da den er et beregnet gjennomsnitt.
Figur 5.1 Historisk utvikling for Capesize Indeksen i perioden 1999-2012. Basert på ukentlige observasjoner.
0 5 000 10 000 15 000 20 000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Capesize Indeks 1999-2012
Rullerende standardavvik22 gir informasjon om hvordan volatiliteten varierer over tid. Ved hjelp av slike teknikker er det konkludert med at fraktrater er tidsvarierende.
Figur 5.2 52 ukers rullerende standardavvik for Capesize Index i perioden 1999-2012. Endringsform. Basert på ukentlige observasjoner.
I figur 5.2 bekreftes resultatene om at høyeste standardavvik forekom i perioden til den globale finanskrisen, og at i årene etter har volatiliteten gått ned, men ikke til et lavere nivå enn hva som var i årene 1999-2006.
I 2006 og 2007 var det en betydelig oppgang i fraktmarkedet. Allerede i 2002 begynte størrelsene på ordrebok å øke, og det ble bestilt ekstremt mye tonnasje frem til midten av 2007. I 2006 ble 1.914 nye skip ferdigprodusert, og 3.150 skip ble satt opp i ordrebok.
Per 1. juli 2007 bestod ordreboken av 2.766 tankskip med en total kapasitet på 178 mill.
dwt. Sør-Korea og Kina var da blant landene som hadde størst andel ordrebok.23 I starten av 2009 økte den gjennomsnittlige størrelsen på tankskipene, og skipene i ordrebok var hovedsakelig av typen Capesize. I slutten av 2008, når nedgangen var på sitt høyeste, sank de gjennomsnittlig daglige Time-charter prisene med ca. 84 %, men de i 2009 stabiliserte seg noe.24 Kollapset i markedet førte til en nedgang i etterspørselen etter brukte skip, samtidig som prisen på å skrape skip falt til sitt laveste nivå.
Dirty Tanker
Her vil kun ratene bli gjennomgått, ikke indeksen. I figur 5.3 og 5.4 er den historiske utviklingen for Dirty Tanker-ratene grafet, og det er tydelig at alle varierer svært likt. Disse er kvotert i Worldscale (WS) og i første figur er det tydelig at TD5 har opplevd de høyeste
22 Beregner standardavviket med et vindu på 52 uker hver gang. For hver observasjon kutter man ut en i begynnelsen og legger til en på slutten. På et punkt i grafen viser den hvor stort standardavviket har vært de foregående 52 ukene. Perioden i grafen starter i 2000 da dette er 52 uker etter første observasjon.
23 Shipping Statistics and Market Review 2007 – ISL Infoline – www.infoline.isl.org
24 Shipping Statistics and Market Review 2009 – ISL Infoline – www.infoline.isl.org 0 %
50 % 100 % 150 %
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Standardavvik
Capesize Index Rullerende Standardavvik
toppene. Maksimum for raten var i november 2004 på WS373, mens minimum inntraff juli 2007 og var på WS38. Den deskriptive statistikken (tabell 5.1) viste at TD3 og TD9 har hatt høyest volatilitet hele perioden sett i ett. TD3 har beveget seg mellom WS25 og 325, mens TD9 har beveget seg mellom WS52 og 448. TD4 og TD7 har laveste spekter og har beveget seg mellom henholdsvis WS30 til 300 og WS61 til 330.
Figur 5.3 Historisk utvikling til fraktratene TD3, TD4 og TD5 i perioden 1999-2012. Basert på ukentlige observasjoner.
Figur 5.4 Historisk utvikling til fraktratene TD7, TD7 og TD9 i perioden 1999-2012. Basert på ukentlige observasjoner.
I 2004 opplevde Dirty Tanker-ratene en kraftig oppgang i ratene, og flere av ratene hadde sitt maksimum i denne perioden fremfor i 2008. I andre halvdel av 2005 gikk fraktratene
0 50 100 150 200 250 300 350 400
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Worldscale
Dirty Tanker Fraktrater 1999-2012
TD3 TD4 TD5
50 100 150 200 250 300 350 400 450
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Worldscale
Dirty Tanker Fraktrater 1999-2012
TD7 TD8 TD9
